Алгоритм детектирования искусственных объектов на природных фонах

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Пронин С.В. Алгоритм детектирования искусственных объектов на природных фонах // Оптический журнал. 2018. Т. 85. № 6. С. 33–38. http://doi.org/10.17586/1023-5086-2018-85-06-33-38

Pronin S.V. Algorithm for detecting artificial objects against natural backgrounds [in Russian] // Opticheskii Zhurnal. 2018. V. 85. № 6. P. 33–38. http://doi.org/10.17586/1023-5086-2018-85-06-33-38

Ссылка на англоязычную версию:

S. V. Pronin, "Algorithm for detecting artificial objects against natural backgrounds," Journal of Optical Technology. 85(6), 338-342 (2018). https://doi.org/10.1364/JOT.85.000338

Аннотация:

В статье представлен алгоритм, позволяющий выделять на изображениях два класса объектов: искусственные и естественные. Изображение аппроксимируется графическими элементами, сходными с рецептивными полями нейронов первичной зрительной коры (зоны VI). Показано, что распределение ошибки аппроксимации для изображений естественных объектов смещено в область больших значений по отношению к аналогичному распределению для искусственных объектов. Эта разница даёт возможность детектирования объектов искусственного происхождения на естественных фонах.

Ключевые слова:

классификация изображений, рецептивные поля, визуальный алфавит, предварительная обработка изображений

Коды OCIS: 100.3008, 100.4997, 330.5000

Список источников:

1. Field D.J. Relations between the statistics of natural images and the response properties of cortical cells // Journal of the Optical Society of America. 1987. № 4. P. 2379–2394.
2. Field D.J. Scale–invariance and self-similar “wavelet” transform // Wavelets, fractals and Fourier transforms / Ed. by Farge M., Hunt J. Oxford: Oxford University Press, 1993. P. 151–193.
3. Логунова Е.В., Шелепин Ю.Е., Шабалина Н.А., Бритиков А.А., Пронин С.В. Изучение экологической безопасности визуальной среды // Биотехносфера. 2014. № 1–2 (31–32). С. 36–41.
4. Fukuda Shuichi. Image separation between natural and artificial objects using fractal dimension // MVA’94 IAPR Workshop on Machine Vision Applications. Kawasaki. 1994, Dec. 13–15. P. 368–370.
5. Espinal F., Huntsberger Т., Jawerth В., Kubota Т. Wavelet-based fractal signature analysis for automatic target recognition // Opt. Eng. Magazine. 1998. № 37 (1). P. 166–174.
6. Julesz B. Textons, the elements of texture perception, and their interactions // Nature. 1981. V. 290. P. 91–97.
7. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь, 1987. 400 с.
8. Marr D., Hildreth E. Theory of edge detection // Proceedings of the Royal Society of London. 1980. V. 207. P. 187–217.
9. Mallat S., Zhang Z. Matching pursuit in a time-frequency dictionary // IEEE Transactions on Signal Processing. 1993. № 41. P. 3397–3415.
10. Bergeaud F., Mallat S. Matching pursuit of images // Proceedings IEEE Int. Conf. Image Processing/ Washington DC. 1995. October. V. 1. P. 53–56.
11. Cheng-en Guo, Song-Chun Zhu, Ying Nian Wu. Towards a mathematical theory of primal sketch and sketchability // 9th IEEE International Conference on Computer Vision. Nice, France. 2003, Oct. 14–17. V. 2. P. 1228–1235.
12. Burt P. The Laplacian pyramid as a compact image code // IEEE Transactions Оn Сommunications. 1983. V. 3l. № 4. P. 532–540.
13. Keys R. Cubic convolution interpolation for digital image processing // IEEE Transactions on Acoustics, Speech, and Signal Processing. 1981. V. 29. № 6. P. 1153–1160.